Self-organizing feature map neural network classification of the ASTER data based on wavelet fusion   总被引：3，自引：0，他引：3  

HASI Bagan  MA Jianwen  LI Qiqing  HAN Xiuzhen & LIU Zhili Laboratory of Remote Sensing Information Science  Institute of Remote Sensing Applications  Chinese Academy of Sciences  Beijing  China 《中国科学D辑(英文版)》2004,47(7):651-658

Remote sensing classification methods can be classified as supervised and unsupervised catalogs. The maximum likelihood method (MLH) is a super-vised classification method,which is widely used in the remote sensing data classification and produces good results[1]. In the MLH, the parameters are esti-mated, assuming that the samples are normally dis-tributed in spectral space, to determine the mean vec-tor and covariance matrix of all classes. In most cases, however, the samples are not norma…  相似文献   

Accelerating seismicity of moderate-size earthquakes before the 1999 Chi-Chi, Taiwan, earthquake: Testing time-prediction of the self-organizing spinodal model of earthquakes     

Chien-chih Chen 《Geophysical Journal International》2003,155(1):F1-F5

  相似文献   

War landform mapping and classification on the Verdun battlefield (France) using airborne LiDAR and multivariate analysis     

Rémi de Matos-Machado  Jean-Pierre Toumazet  Jean-Claude Bergès  Jean-Paul Amat  Gilles Arnaud-Fassetta  François Bétard  Clélia Bilodeau  Joseph P. Hupy  Stéphanie Jacquemot 《地球表面变化过程与地形》2019,44(7):1430-1448

Acting as efficient earth-movers, soldiers can be viewed as significant geomorphological drivers of landscape change when replaced in the recent debates on Anthropocene Geomorphology. ‘Polemoforms’, generated by military activities, correspond with a set of human-made landforms of various sizes and geometries. They are particularly common on the World War One battlefield of Verdun (France) which ranks among the largest battles of attrition along the Western Front. The artillery bombardments and building of defensive positions in that battle significantly altered the landscape, resulting in thousands of shell craters, dugouts, and gun positions that have altered both the meso and microtopography. This paper proposes an innovative methodology to make an exhaustive inventory of these small-scale conflict-induced landforms (excluding linear features such as trenches) using a digital terrain model (DTM) acquired by airborne LiDAR on the whole battlefield. Morphometric analysis was conducted using Kohonen's self-organizing maps (SOMs) and hierarchical agglomerative clustering (HAC) in order to quantify and classify the high number of war landforms. This combined approach allowed for mapping more than one million landforms which can be classified into eight different shapes including shell craters and various soldier-made landforms (i.e. shelters, gun positions, etc.). Detection quality evaluation using field observations revealed the algorithm successfully classified 93% of shell craters and 74% of anthropologically constructed landforms. Finally, the iconographic database and map series produced will help archaeologists and foresters to better manage the historic site of Verdun, today covered by a large forest of ~10 000 ha. © 2019 John Wiley & Sons, Ltd.  相似文献   

基于聚类和支持向量回归的短期负荷预测方法     

方瑞明 《华东地质学院学报》2007,30(4):374-377

提出了一种基于自组织特征映射(SOFM)的聚类分析和支持向量回归(SVR)的电力系统短期负荷预测方法。该方法首先利用自组织特征映射网络,通过无监督学习策略,对训练样本集进行聚类分析,将其分为若干相似子类;再针对每一子类构造一个支持向量回归(SVR)模型,以对应子类的样本集训练SVR模型。由于聚类后的每一子类的样本具有相似性,同时子类样本数较少,因此,该方法能够缩短训练时间,提高预测精度。基于某电网提供的历史负荷数据进行的不同方法对比实验说明了该方法的有效性。  相似文献   

基于改进Kohonen神经网络的遥感影像分类     

吴柯  方强  张俊玲  翁涛 《测绘信息与工程》2007,32(2):47-49

提出了一种基于改进后的Kohonen自组织特征映射神经网络的聚类方法,应用于多光谱遥感影像分类处理,试验证明其分类精度有较大提高。  相似文献   

自组织特征映射神经网络在厄尔尼诺事件检验中的应用   总被引：1，自引：1，他引：0  

林玎  刘伟  张治国 《吉林大学学报(地球科学版)》2006,36(4):609-612

对厄尔尼诺事件多因素成因进行了分析。利用自组织特征映射（SOFM）神经网络方法对1973～1994年的全球7级以上地震次数、日食条件、海温距平数据建立了SOFM网络检验模型。对1995~2000年厄尔尼诺事件进行了检验,检验的准确率为83.3% 。  相似文献   

SOM-RBF神经网络模型在地下水位预测中的应用   总被引：1，自引：0，他引：1  

刘博  肖长来  梁秀娟 《吉林大学学报(地球科学版)》2015,(1):225-231

利用自组织映射(SOM)聚类模型优化径向基函数神经网络(RBFN)隐层节点的方法,减小了RBFN由于自身结构问题在地下水水位预测中产生的误差。采用SOM对已有样本进行聚类,利用聚类后的二维分布图确定隐层节点的数目,并根据聚类结果计算径向基函数的宽度,确定径向基函数的中心,由此建立SOM-RBFN模型。以吉林市丰满区二道乡为例,采用2000—2009年观测的地下水位动态资料,利用SOM-RBFN模型对地下水位进行预测,验证其准确性,并分别以5、7、10a的地下水位动态数据为研究样本建立模型,考查样本数量对预测结果的影响。研究结果表明:SOM-RBFN模型预测地下水水位过程中,均方根误差(RMSE)的均值为0.43,有效系数(CE)的均值为0.52,均达到较高标准,因此SOM-RBFN模型可以作为有效而准确的地下水水位预测方法;同时RBF7的RMSE和CE均值分别为0.38和0.68,结果优于RBF5和RBF10,这就意味着在模型计算中样本数量不会直接影响预测结果的精度。  相似文献   

河南省耕地集约利用时空分异及分区研究   总被引：8，自引：1，他引：7  

刘玉  郝星耀  潘瑜春  唐秀美 《地理科学》2014,(10)

通过构建耕地集约利用评价模型,采用Kernel密度曲线等深入分析1990年、2000年和2010年河南省126个县域的耕地集约利用程度及其时空规律,并采用双重自组织模型进行耕地集约利用分区。结果表明:1县域耕地集约利用度的Kernel密度曲线呈现典型的单峰分布模式,分布曲线由"尖峰形"向"宽峰形"发展并整体向右移动,表明河南省耕地集约利用整体水平上升,县域差异扩大。2耕地集约利用水平空间差异显著,"北高南低"、"东高西低"、"平原区高,山地丘陵区低"的特征明显;大多数县域耕地集约利用度随时间变化稳步提高,但提高水平差异较大;耕地投入强度和耕地产出效率的提升幅度较大,耕地利用强度和可持续性状况提升较慢。3采用双重自组织模型将126个县域划分为东部黄淮平原区、北部平原区、东南丘陵平原区、中南平原区、西部山地丘陵区等5个耕地集约利用区,并提出了相应的发展策略。  相似文献   

空间和属性双重约束下的自组织空间聚类研究   总被引：2，自引：0，他引：2  

焦利民  洪晓峰  刘耀林 《武汉大学学报(信息科学版)》2011,(7):862-866

形式化定义了双重聚类的聚类准则及其判定方法,提出了双重聚类的两步法求解思路和自组织双重聚类算法。通过实例验证了该算法的可行性,自组织双重聚类可以发现非空间属性的聚集、延伸等空间分布特征,可以发现任意复杂形状的聚类,并降低了人为影响。  相似文献   

数字地貌形态分类优化方法     

梁立恒  邢立新  李桐林  姜红艳  蒋立军 《吉林大学学报(地球科学版)》2011,(Z1):401-405

地貌形态特征分类对生态环境、水文研究及地质构造分析等地学研究具有重要意义,已成为现代地貌学的一个研究热点。利用高分辨率DEM数据,以平均坡度、截面曲率、最大曲率和最小曲率等地貌形态因子为参数,构建地貌形态分类模型;基于自组织映射神经网络提出数字地貌形态分类数学优化方法,对长春地区进行地貌分类。该方法实现自动聚类分析,获得了10种地貌类型阈值,达到地貌形态特征分类要求。这种方法突破了形态参数分类方法6种地貌类型的限制,分类种类达到10种;通过SOM聚类分析,自动获取阈值,从而减少了人为主观因素的干扰。地貌形态分类取得较好效果。  相似文献